ممرستور (ممرستور) في وقت مبكر المقترحة لأول مرة في 1970s من قبل الأستاذ ليون O. تشوا، باستثناء ما المقاومات والمكثفات والمحاثات المكونات الأساسية الفئة الرابعة، عن ممرستور بين كمية الشحنة والتدفق المغناطيسي العلاقات. استخدام 2008 HP مختبرات TIO2 كمادة خام لأول مرة قدم ممرستور نوعها . منذ ممرستور يمكن محاكاة الخلايا العصبية في حكم التعلم (التشويك التوقيت التي تعتمد على اللدونة، STDP)، وبالتالي يجري استخدامها بوصفها ممرستور الإلكترونية الاصطناعي الشبكة العصبية متشابك التطبيقية تصبح تدريجيا نقطة ساخنة البحوث ممرستور أ.
يحد من هذه العملية، والمعلمات المادية ممرستور متقلبة ، نهج سليم أجريت دراسة نمذجة للخروج من ممرستور الوسائل التقنية لاستكشاف آفاق، وغير ذلك احترام جيدا كيف طبقت ممرستور في الشبكات العصبية الاصطناعية هو أيضا لا تزال في مرحلة استكشافية ، وليس هناك نظرية أو ممارسة كاملة يمكن أن يكون توليفة جيدة من كلا . هل تبحث عن طريقة جديدة في التفكير وأساليب خصائص ممرستور تلعب بها في الشبكة العصبية الاصطناعية مهم بشكل خاص لتطوير الاتجاهين الشبكات العصبية الاصطناعية وممرستور هي قيمة للغاية.
للشبكة العصبية الاصطناعية ممرستور الحالية والمشكلة ليست كافية ضيقة، ونحن نستخدم مجموعة المجال بوابة للبرمجة (حقل باب للبرمجة صفيف، FPGA) memristive والشبكات العصبية الاصطناعية لبناء الدوائر الرقمية. Memristive باستخدام الشبكة العصبية تحت إشراف لديها قوة ، درجة عالية من التكامل ، وعلى درجة عالية من التوازي وغيرها من المزايا التي تحققت في هذا الطريق. وقد تم تطوير الراهنة للتكنولوجيا FPGA الكمال، وهذه المجموعة يجعل عملية التصميم لتحسين هيكل الشبكة العصبية من مريحة للغاية، ولكن أيضا على مقربة من تطبيق الأنظمة الإلكترونية. ووفقا سعة التخزين ممرستور في الشبكة لتصنيف الصور FPGA للحصول على نتائج جيدة، ويشرف استخدام memristive توفر الشبكة العصبية إشارة لمثل هناك.
1 FPGA النمذجة المقاوم يي
في عام 2008 استخدم HP مختبرات الباحثان البلاتين (حزب العمال)، والأقطاب الإيجابية والسلبية، وبعد ذلك ثاني أكسيد التيتانيوم وضعت (TIO2) فيلم بين الإيجابية والسلبية أقطاب، حيث الزوج - طبقة TIO2 مع عملية الشغور الأكسجين المنشطات. المنشطات الشواغر الأكسجين، ويرجع ذلك إلى عدم وجود هذه الطبقة ذرة TIO2 الأكسجين، مما أدى إلى تتعزز بشكل كبير التوصيل الكهربائي، وطبقة أخرى غير مخدر عملية TIO2، مما يعكس انخفاض الموصلية عازل مماثل. عندما يتم تطبيق الجهد أو تيار أكبر من قيمة العتبة عبر المقاوم الذاكرة سوف تنتج الحركة المتبادلة من الإلكترونات والثقوب بين طبقتين من مخدر وundoped TIO2، يسمح واجهة مخدر مزيد من تشريد معينة ، مما أدى إلى تغيير مقاومة يحدث. هذا هو HP ممرستور الكلاسيكية.
وممرستور HP استنتاجها ممرستور الموائعية العامة نموذج كما يلي:
حيث M (ر) هو المقاومة ممرستور الحالية. وفقا للصيغة المذكورة أعلاه، باستخدام رمز فيريلوج وتنفيذ محاكاة على كوارتس، شريطة Roff = 16 أوم، رون = 100 ، D = 10 نانومتر، v = 10-14m2s-1V-1. ومن المقرر العلم نجاح ممرستور حتى عندما ينتهي دورية مثلثي الوظائف الجهد، ومنحنى خصائص الجهد منحنى التباطؤ مغلقة . وأضاف عند مدخل U (ر) = 2sint، المعلمات حامل ممرستور ثابت، تم قياس تطبيق الحالي نموذج ممرستور مميزة الذبذبات الجهد، والنتائج المبينة في الشكل.
يتضح من الشكل 1، وتدفق نموذج ممرستور السيطرة التي تنفذها طريقة المذكورة أعلاه قد يكون المجسدة خصائص ممرستور محددة، يتم تطبيق قاعدة صلبة لنظام الشبكة العصبية.
2 للإشراف على تصميم وتنفيذ الشبكة العصبية ممرستور
2.1 تصميم الشبكات العام
بنية الشبكة الأساسية للطبقة المدخلات، مخفية طبقة وطبقة الانتاج يتكون من ثلاث طبقات، والأوزان ممرستور في الشبكة بوصفها وحدة التخزين، الذي يخزن الوزن وفقا لما تتطلبه قيمة المقاومة الوزن وحدة الانتاج، كما هو موضح في الشكل رقم 2 .
في تصميم الأجهزة، يتم تطبيق خوارزمية الشبكة العصبية عن طريق وحدات. هيكل الشبكة العصبية والخوارزمية وحدة من الخلايا العصبية، وحدة الخلايا العصبية بحساب وحدة وظيفة نقل للحصول على قيمة الخطأ الناتج وقيمة الخطأ تحسب الوحدة التدريبية لقيمة الخطأ السيطرة ينتقل أيضا إلى نفس الوزن استكمال وحدة، لتحديث الأوزان بعد التخزين وقراءتها من قبل وحدة الوزن ممرستور التخزين. في التصميم العام للشبكة، عبر خط انابيب عموما الأمثل للحد من تعدد السجلات في حين المهام أو كليهما العمليات الحسابية وما شابه ذلك، لمعالجة تردد الشبكة الوصول إلى مستوى أعلى. بعد خط الأنابيب بين وحدات مصممة أجل الاتصال كما هو موضح في الشكل.
وحدة وظيفة نقل عادة القطعي وظيفة الظل، الذي يمكن القيام به في تصميم FPGA من قبل خوارزمية CORDIC . خوارزمية CORDIC هي معادلة غير خطية من وظيفة المثلثية أو لوغاريتمي خوارزمية وظيفة تقريب لقطعة من الأجهزة أو ما شابه ذلك، والتي تقترب من دالة الهدف باستخدام الطريقة حلقة تكرارية. عند تصميم الخوارزميات CORDIC على الأجهزة، ويقترب من أعلى عدد البتات مجموعة، ودقة أعلى، ولكن في نفس الوقت سوف تستهلك المزيد من موارد الأجهزة، وإذا كان رقما أقل، على الرغم من استهلاك الموارد أقل من الأجهزة، ولكن حساب المقابلة سوف يكون دقة بما فيه الكفاية، وحتى تؤثر على دقة تحديد الشبكة. تصميم الأجهزة الفعلي يجب أن يتحدد التقريبية خوارزمية CORDIC متوسط على أساس الاحتياجات الفعلية، بحيث يتم تعيين تصميم إلى 27 أرقام، يمكن الخوارزمية ضمان دقة عالية وصولا الى السيطرة على استخدام موارد الأجهزة.
وحدة الحساب خطأ يتطلب المعلم مجموعة إشارة مسبقا، وتمت مقارنة النتائج على القطار، في الأجهزة بتحديث يمكن حساب القيمة بواسطة مقدار الوزن لإعطاء طارح. شبكة تحدد مقدار تحديث الوزن التي تم الحصول عليها عن طريق التحكم عن تدريب وحدة، وتدريب مخرجات إشارة السيطرة، تحديد الإجراء التالي لمواصلة التدريب أو العينة الحالية على عينة قفزة FIG. الدائرة الأجهزة، يتكون القطار وحدة التحكم عن طريق المقارنة. عندما بنية الشبكة هو صغير، وإشارة المعلم قد تكون مخزنة سابقا في السجل، مباشرة في حساب الخطأ بحساب وحدة.
شبكة عملية الحوسبة بأكملها من خلال خط أنابيب يحسن سرعة التشغيل، وفي الحسابات الداخلية، ونقل وظيفة بما في ذلك معظم وحدة معقدة ويطلب من وحدة الوزن ذاكرة ممرستور يمكن أن تتحقق إلا من خلال المضاعف ومزيج من طارح موارد الأجهزة سرعة وأكثر ودية.
2.2 العصبية تصميم وحدة
الخلايا العصبية هي العصبية حدة الأجهزة شبكة من أكثر حدة الأساسية الهامة. في الصورة الثنائية من 3 3 بكسل، على سبيل المثال، مع الأخذ بعين الاعتبار الخلايا العصبية الإدخال مع كل بكسل المقابلة لعينات التدريب FIG، طبقة المدخلات لديها 10 الخلايا العصبية. حيث تم تعيين أول مساهمة تعويض قيمة الجهد القيمة إلى -1، تليها تسعة الخلايا العصبية على التوالي الموافق 09:00، عندما بكسل سوداء، وقيمة المدخلات 1، عندما بكسل الأبيض، وقيمة الإدخال -1 ، كما هو مبين في الشكل.
تدريب الأساليب هو، عندما عينة بعد التدريب، تليها التدريب الثاني عينة الصورة الرسم حتى جميع العينات التدريب النهائي، الذي يمثل الانتهاء من التدريب. إذا كانت الشبكة لا تلبي المتطلبات الواردة، ثم القفز إلى أول عينة واحدة من بداية التدريب، وحتى الانتهاء.
في حالة 3 3 صورة، بعد نتيجة حساب تتكاثر، تتراكم التي حصل عليها القيم الثاني والأوزان من المدخلات، ويتم حساب عدد الخلايا العصبية في طبقة مخفية 3 على النحو التالي:
حيث Wij هو المقابلة الأوزان الاتصال بين الخلايا العصبية، ي هو عدد الخلايا العصبية المدخلات، أنا هو طبقة وطبقة الانتاج عدد الخلايا العصبية الخفية. ولما كان عدد من الخلايا العصبية في طبقة المدخلات 10، وعدد من الخلايا العصبية في طبقة مخفية 3، ولذلك فإن العدد الإجمالي للأوزان 30. تتكاثر وصفت عملية تجميع أعلاه يمكن أن تكون مضاعفة، تتراكم نتيجة تم الحصول عليها مباشرة من خلال السجل.
2.3 الوزن memristive وحدة التصميم
في حالة 3 3 صورة، يتم احتساب عملية الوزن التحديث على النحو التالي:
حيث كمية Qij عن طريق تغيير كمية ممرستور المسؤول في التدريب. وبما أن قيمة الوزن الأولية 0، يمكن الحصول عليها:
حيث كمية الشحنة التي تراكمت Qij هو ممرستور. عندما في نهاية الاحتياجات التدريبية لتصحيح الأوزان وحدة الوزن memristive، وفقا للمعادلة (5) و (6)، لتعديل قيمة القدرات من خلال نهايات ممرستور.
2.4 تدريب تصميم وحدة تحكم
في حالة 3 3 صورة، عندما كان الناتج من مجموعة التدريب FIG الصحيحة نتيجة التصنيف، نيابة عن شبكة التدريب واكتمال، ثم يتم إيقاف التدريب. منذ مجموعة التدريب مدخلات تسلسل التدريب، وإخراج نتيجة الرقم السابق يحدد قيمة المدخلات التالية هي صورة أو العودة إلى الصورة الأولى، وذلك على آلة الدولة لتحقيق وحدة التحكم التدريب. آلة الدولة المحدودة الدولة 0 هو الحالة الأولية، عند المدخل الأول صور تدريب عينة، تصنيف الصور نتيجة للتقرير هو الصحيح، إذا كان ذلك صحيحا، آلة الدولة المحدودة يقفز إلى حالته 1، فإنه يقفز إلى حالة غير صحيحة 0. عندما العينات الثانية التدريب إدخال شبكة الإنترنت، وتحديد نتيجة التصنيف هو الصحيح، إذا كان ذلك صحيحا، انتقل إلى دولة 2، إذا كان غير صحيح، آلة الدولة المحدودة يقفز إلى الدولة 0، لاستئناف اللعب من العينة الأولى من FIG. وهكذا، عندما يتم تصنيف جميع العينات التدريب بشكل صحيح، آلة الدولة المحدودة يقفز إلى دولة مشاركة فيه الضوابط وحدة التحكم القطار المحطة ممرستور تدريب الشبكة العصبية، وشبكة لولاها تم تدريب أسفل.
3 النتائج التجريبية والتحليل
في هذه الورقة، وتدريب الشبكة العصبية والاختبارات التي تستخدم عادة في صورة ثنائية من 3 3 بكسل كما في شبكة التدريب وبيانات الاختبار مجموعات العصبية، مجموعة عينة من صورة ثنائية 30 بما في ذلك 3 3، كل يظهر في الصورة عينة 10 تقسيم مجموعه المجموعة إلى ثلاث فئات، وهي، ض، ت، ن والصورة التي يتم أضرار جزئية، كما هو مبين في الشكل.
شبكة التدريب في الرسم البياني دورة تدريب 30، 10 الرسم البياني قبل التدريب إلكتروني Z والمتوسطة 10 في الصورة إلكتروني الخامس، وكان آخر يظهر في الصورة 10 خطابات ن. من الناحية المثالية، وإدخال من النوع الأول، أي صورة من الرسالة ض، يجب أن تكون القيمة الأولى من الخلايا العصبية الناتج أكبر من قيم الانتاج الثانية والثالثة. مدخلات الثانية والثالثة أنواع تشبهها. وتمشيا مع عينات التدريب المستخدمة في الاختبار، فإن أي واحد من المدخلات في النظام التوصل إلى نتيجة تصنيف الصحيحة، وإدخال المستمر FIG 30 يمكن أن تكون هي نفسها لكل منهما النتائج تصنيف واحدة صحيحة من FIG.
وفقا لنظرية تعيين المعلمات المختلفة، قيم الأوزان هي القيم الأولية من أي قيمة بين 0 و 1، ووقت التدريب الكلي المستهلكة توقف بعد 30 دورات، مؤشرات آلة الدولة توقفت أيضا في الدورة الماضية، ثم انتهت يعتبر التدريب. FIG 30 سيتم إدخالها في النظام بدوره، حصلت مخرجات الفئة 6 هو مبين في الشكل.
في FIG 6، RST للإشارة مجموعة، إشارة الساعة CLK، آلة الدولة يقفز إلى إشارة الدولة، K1، K2 وK3 على التوالي ض، ت، و n هي ثلاث فئات. يتبين من هذا الرقم، 30 دورات، 10 دورات قبل عرض نتيجة تصنيف أولى الخلايا العصبية الناتج عالية، أي إخراج الحرف Z، كما هو مبين في الشكل K1، تصنيف النتائج المتوسطة 10 دورات عرض الخلايا العصبية الناتج الثانية عالية، أي إخراج الحرف الخامس، كما يتضح من K2 و 10 دورات مشاركة النتائج تصنيف تظهر الخلايا العصبية الناتج الثالثة هي عالية، أي إخراج الرسالة ن، FIG. K3 في FIG. يتضح من الشكل 6، كانت 3 3 سرية دقة شبكة بيانات 100، وmemristive تحقق من صحة وموثوقية الشبكة.
البرنامج الثاني Quartus باستخدام تصميم متكامل بأكمله، واختيار نموذج إعصار الثاني: EP2C70F896I8 من FPGA، واستهلاك الموارد ومعالجة سرعة هو مبين في الجدول 1.
من الجدول 1، فإنه يقوم بتدريب ما مجموعه 30 دورات على مدار الساعة. فقط طول ر = 30 / (89.64 103) = 0.33 مللي ثانية عندما تكون سرعة تجهيز الشبكة بالكامل بالتزامن مع الجدول 1 قد تحصل على القطار كله، في وقت الاختبار، صورة هي مدخلات لمن الأجهزة لنتائج الاختبار التي تم الحصول عليها، تي عادل = 10 ميكرو ثانية لإكمال. مقارنة مع memristive خوارزميات الشبكة العصبية الموجودة الأجهزة، الخوارزمية لديه دقة عالية ومزايا سرعة المعالجة.
4 خاتمة
تقدم هذه الورقة تشرف خوارزمية شبكة الخصائص memristive العصبية، وكان قد تم تنفيذه على FPGA. تصميم ممرستور الأولى ظائف النمذجة والمحاكاة، يتم استخدام وحدة أخرى ممرستور العصبية أوزان الشبكة في وحدة التخزين، وأشرف على بناء memristive نهائي الشبكة العصبية. تطبيق التصميم إلى وظيفة تصنيف الصور للحصول على نتائج جيدة التجريبية تظهر مزايا درجة عالية من التوازي ومعالجة عالية الدوائر الأجهزة السرعة. طريقة التصميم المقترح بالتزامن مع المقاوم الذاكرة والشبكة العصبية، والدوائر الإشراف أيضا memristive خوارزمية الشبكة العصبية لتحقيق مرجعية محددة.
مراجع
Caikun بنغ، وروي، الصدقات دراسة المكونات الإلكترونية السلبية الرابعة والتقدم تطبيق ممرستور المكونات و الأنظمة الإلكترونية والمواد، 2010 (4): 78-82.
Liudong تشينغ تشنغ تشو يون، وآخرون. آلية ممرستور ومقاوم التقدم Physica سينيكا، 2014،63 (18): 187301.
القسم من الشبكة العصبية القائمة على ممرستور والولايات المتحدة تاو. وحكم STDP تطبيق تشونغتشينغ: جامعة جنوب غربي 2013.
تعتبر غولين نان هوانغ آنبينغ، Zhengxiao هو جين تاو، وآخرون. السلف تأثير اجهة الذاكرة المقاوم التحوير Physica سينيكا، 2012،61 (21): 217306-217306.
هو جين بولين، تعايش، خليط الفنون الصفراء، الخ ممرستور SIMULINK النمذجة وتصميم واجهة المستخدم الرسومية جامعة جنوب غرب (العلوم الطبيعية)، 2011،33 (9): 50-56.
رونغوي، تشانغ الجشي الشبكة العصبية ووضع وآفاق الحالي التكنولوجيا الالكترونية، 1995 (10): 4-5.
وانغ Leyi لل. ممرستور تقدم البحوث وتطبيق آفاق المكونات و الأنظمة الإلكترونية والمواد، 2010 (12): 71-74.
لو يان، Duji كونغ، والحزم متابعة. تطبيقات الشبكات العصبية الاصطناعية في السيطرة على التكنولوجيا الالكترونية، 1996 (2): 4-7.
شو تشى يونغ، Tanggen وي جيانغ Xinquan، وآخرون صديقة للأجهزة خوارزمية التعرف على بصمات الأصابع الاصطناعية التكنولوجيا الالكترونية، 2016،42 (10): 54-57.
Baiyan يو شين متفوقة، يانغ شين فنغ. فرزت وتجمع الشبكة العصبية مجتمعة الكائن طريقة تصنيف التكنولوجيا الالكترونية، 2017،43 (7): 130-134،139.
منغ، وضربة، وانغ هاو شبكة عصبية تكيفية تدريب تصميم BP FPGA التكنولوجيا الحديثة الإلكترونية، 2016،39 (15): 115-118.
كونج Qinghui، ومرة واحدة، تشى جيون الفوضى تصميم الدوائر المغناطيسية والمحاكاة والتي تحتوي على نوعين من ممرستور التحكم في شحن Physica سينيكا، 2013،62 (23): 230502-230502.
تشانغ كه فنغ، لي Zhaopei، جوين قوية. وعبر خط انابيب ADC تصميم إعادة التشكيل التكنولوجيا الالكترونية، 2008 (5): 51-53،58.
لى تشوان، ولى هوان تشن Danping. واستنادا FPGA الدقة النقطة العائمة وظيفة المتعالي من خوارزمية CORDIC التكنولوجيا الالكترونية، 2009،35 (5): 166-170.
الكاتب المعلومات:
تانغ يوم المعرفة، وقال تشو Ruohua، وغالبا ما يفوز
(معهد ووهان للعلوم الفيزيائية وجامعة التكنولوجيا، ووهان 430072، الصين)
